[Registration] Homographic Adaptation

Reference

SuperPoint: Self-Supervised Interest Point Detection and Description

TILDE: A Temporally Invariant Learned DEtector

The TILDE interest point detection system used a principle similar to Homographic Adaptation; however, their approach does not benefit from the power of large fully-convolutional neural networks.

Homographic Adaptation 이란?

Homographic Adaptation은 SuperPoint에서 제안된 기법으로, 관심점 검출의 반복성을 높이고 도메인 간 적응(예: 합성에서 실제 이미지로)을 수행하기 위한 다중 스케일, 다중 호모그래피 접근 방식입니다.

주요 특징은 다음과 같습니다:

• 다중 변환: 입력 이미지에 여러 무작위 호모그래피를 적용하여 다양한 시점과 스케일에서 장면을 볼 수 있게 합니다.
• 자기 지도 학습: 레이블이 없는 대상 도메인의 이미지에 자동으로 레이블을 생성합니다.
• 성능 향상: 초기 MagicPoint 검출기의 성능을 향상시켜 더 풍부한 관심점 집합을 반복적으로 검출할 수 있게 합니다.
• Pseudo ground truth 생성: 이 과정을 통해 실제 이미지에 대한 pseudo ground truth 관심점을 생성합니다.
• 도메인 적응: 합성 데이터에서 실제 이미지로의 도메인 적응을 가능하게 합니다.

Homographic Adaptation은 SuperPoint 모델의 핵심 구성 요소로, 다양한 환경에서의 성능을 향상시키고 실제 세계 응용에 더 적합한 관심점 검출기를 만드는 데 중요한 역할을 합니다.